实战KBQA-基于Rasa 3.0及知识图谱实现中文AI医生对话机器人

和玉米

已于 2022-03-04 15:04:20 修改

阅读量4.4k

点赞数 6

分类专栏：人工智能对话机器人 Rasa 文章标签： python 人工智能知识图谱自然语言处理

于 2022-02-17 10:02:36 首次发布

本文链接：https://blog.csdn.net/zhouyanyu/article/details/122977163

版权

本文档介绍了如何使用Rasa 3.0构建一个基于知识图谱的中文AI医生对话机器人。内容包括KBQA架构设计，如用neo4j存储知识图谱，以及训练过程的关键配置，如NLU和Action的设定。此外，还展示了实战效果和AI机器人的交互界面。

摘要由CSDN通过智能技术生成

中文实战系列教程

（一）实战KBQA-基于Rasa3.0及知识图谱实现中文AI医生对话机器

（二）实战FormBot-基于Rasa3.0及实现多轮对话机器人

一、KBQA架构设计

机器人管理系统负责对各种类型的机器人进行管理、调度、模型建立、数据的训练等
KBQA系统即为我们开发其中一种机器人
neo4j存储知识图谱的图数据库

二、训练及关键配置

1、NLU配置

NLU数据训练关键意图配置

- intent: disease-check
    examples: |
      - [肺炎]{"entity":"disease"}做什么检查
      - 得了[支原体肺炎]{"entity":"disease"}做什么检查
      - 得了[肺气肿]{"entity":"disease"}检查什么项目
      - 我得了[老年痴呆]{"entity":"disease","value":"老年痴呆"}怎么办
      - 我怎么确定我是[老年痴呆]{"entity":"disease"}
      - 检查